59
4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis
4.3.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.9. Hasil Pengujian Normalitas
Variable min
max kurtosis
c.r. z4
4,000 7,000
-,521 -1,089
z3 4,000
7,000 -,331
-,693 z2
4,000 7,000
-,454 -,950
z1 4,000
7,000 -,269
-,563 y3
3,000 7,000
-,027 -,056
y2 3,000
7,000 ,351
,734 y1
3,000 7,000
-,142 -,298
x31 3,000
7,000 -,799
-1,671 x32
4,000 7,000
-,284 -,595
x33 4,000
7,000 -,634
-1,326 x43
4,000 7,000
-,585 -1,224
x42 4,000
7,000 -,473
-,990 x41
4,000 7,000
-,895 -1,871
x25 3,000
7,000 -,429
-,897 x24
3,000 7,000
-,172 -,360
x21 3,000
7,000 ,308
,645 x22
3,000 7,000
,078 ,164
x23 3,000
7,000 ,726
1,518 x11
3,000 7,000
-,885 -1,851
x12 3,000
7,000 -,792
-1,657 x13
3,000 7,000
-,319 -,667
Multivariate -1,410
-,232
Sumber : lampiran 3
60
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi.
4.3.2. Evaluasi atas Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik
yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau
variabel kombinasi Hair,1998. Multivariate outlier
diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
χ2] pada df sebesar jumlah variabel bebasnya df = 20. Ketentuan : bila Mahalanobis dari
nilai χ2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 45,315. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.10. Hasil Pengujian Outlier Multivariate
Re sidu als Sta tistics
a
16,91 85,47
53,00 14,482
105 -2, 492
2,242 ,000
1,000 105
10,350 17,395
13,618 1,741
105 8,23
104,52 52,66
16,031 105
-76,680 52,966
,000 26,791
105 -2, 557
1,766 ,000
,893 105
-2, 898 1,989
,005 1,000
105 -98,524
67,151 ,343
33,670 105
-3, 039 2,025
,004 1,010
105 11,396
33,997 20,800
5,584 105
,000 ,109
,012 ,015
105 ,110
,327 ,200
,054 105
Predic ted V alue St d. P redic ted Value
St andard E rror of Predic ted V alue
Adjust ed P redicted Value Residual
St d. Residual St ud. Residual
Deleted Residual St ud. Deleted Residual
Mahal. Dis tanc e Cooks Dis tanc e
Centered Leverage Value Minimum
Maximum Mean
St d. Deviat ion N
Dependent Variable: No a.
Sumber : lampiran 4
61
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 34,997 lebih kecil dari 45,315. Oleh karena itu
diputuskan dalam penelitian tidak terdapat outlier multivariate antar variabel.
4.3.3. Deteksi Multicollinierity dan Singularity
Kategori